机器学习模型助力预测 Hurthle 细胞癌患者 5 年总生存率

为评估机器学习模型预测 Hurthle 细胞癌（HCC）患者 5 年总生存率的性能，研究发现支持向量模型效果良好。

　　研究旨在评估机器学习模型预测 Hurthle 细胞癌（HCC）患者 5 年总生存率的性能，并确定影响生存的重要预后因素。研究人员开展了一项回顾性队列研究，数据来源于监测、流行病学和最终结果（Surveillance, Epidemiology, and End Results，SEER）数据库，涵盖 2010 年至 2015 年接受治疗的患者。关键变量包括人口统计学信息（年龄、性别、种族）、临床特征（肿瘤大小、T、N、M 分期和总体分期）以及生存结局。纳入研究的患者需具备完整数据，随访 60 个月前未被删失且接受过甲状腺手术。研究共纳入 1143 名患者，平均年龄 57.7 岁（标准差 = 15.8）。队列中女性 770 人（67.4%），以白人为主（83.0%）。肿瘤分类多样，T2 期最为常见（37.2%）。大多数患者无淋巴结转移（94.1%）或远处转移（97.6%）。支持向量模型的受试者工作特征曲线下面积（AUC）最高，达到 0.8402（95% 置信区间：0.7915 至 0.8847），表明其预测性能良好，敏感性和特异性分别为 81.16% 和 73.72%。该模型的 Brier 评分是 0.1223，校准度良好。年龄较大和 T 分期较高是生存率降低的最显著预测因素，而女性则与生存率增加相关。结论表明，机器学习模型，尤其是支持向量模型，能有效预测 HCC 患者的 5 年总生存率。该研究突出了年龄和肿瘤范围是关键的预后因素。